Learning-based model predictive control for passenger-oriented train rescheduling with flexible train composition

Resumen Técnico: Control Predictivo Basado en Aprendizaje para la Reprogramación de Trenes Orientada al Pasajero con Composición de Tren Flexible

Planteamiento del Problema
Los sistemas de tránsito ferroviario urbano enfrentan desafíos significativos en la reprogramación en tiempo real debido a la rápida expansión de las redes, las demandas de pasajeros variables en el tiempo y la necesidad de equilibrar los costos operativos con la calidad del servicio. Si bien la investigación existente aborda la programación orientada al pasajero, muchos enfoques se limitan a composiciones de tren fijas o frecuencias de salida fijas. Además, la incorporación de una composición de tren flexible (ajustando el número de unidades de tren por servicio) y la circulación de material rodante (gestionando las unidades de tren entre depósitos) introduce un gran número de variables de decisión enteras. Esto transforma el problema de reprogramación en un problema complejo de Programación No Lineal Entera Mixta (MINLP) o Programación Lineal Entera Mixta (MILP). El principal cuello de botella para la aplicación en tiempo real es la alta carga computacional en línea requerida para resolver estos problemas dentro de las estrictas restricciones de tiempo del Control Predictivo basado en Modelo (MPC).

Metodología
El artículo propone un marco de Control Predictivo basado en Modelo (MPC) basado en Aprendizaje que integra el aprendizaje profundo con la optimización para abordar la complejidad computacional de la reprogramación de trenes en tiempo real. El enfoque se estructura de la siguiente manera:

1. Formulación Matemática: Los autores extienden un modelo de reprogramación orientado al pasajero para incluir la demanda de pasajeros por sección variable en el tiempo, la composición de tren flexible y la circulación de material rodante. El objetivo es minimizar el tiempo de espera total de los pasajeros y los costos operativos (energía y costos de cambio de composición). El problema se formula inicialmente como un MINLP, donde las variables enteras representan las composiciones de los trenes, el orden de los trenes y la circulación del material rodante, mientras que las variables continuas representan los tiempos de salida y llegada.
2. Técnicas de Preprocesamiento (Presolve): Para reducir la dimensionalidad del problema de optimización, se desarrollan cuatro técnicas de preprocesamiento. Estas técnicas podan subconjuntos de variables de decisión enteras determinando sus valores basándose en restricciones predeterminadas y variables acopladas (por ejemplo, fijar el orden de los trenes basándose en horarios predeterminados o fijar la composición para los trenes que ya han partido).
3. Enfoque Híbrido de Aprendizaje-Optimización:
   • Entrenamiento Fuera de Línea (Offline): Se entrenan redes de Memoria de Largo Corto Plazo (LSTM) para predecir los valores óptimos de las variables enteras restantes. El proceso de entrenamiento utiliza un conjunto de redes LSTM para maximizar la tasa de factibilidad. Las redes se entrenan con datos generados mediante la resolución del problema MINLP completo, utilizando una función de pérdida que minimiza el error cuadrático entre los valores del objetivo predichos por la red y los valores óptimos.
   • Ejecución En Línea (Online): En el bucle de MPC en tiempo real, las redes LSTM entrenadas generan las variables enteras (composiciones y órdenes de trenes) basadas en el estado actual del sistema (conteo de pasajeros, demandas y material rodante disponible). Estas variables se fijan posteriormente.
   • Optimización Continua: Con las variables enteras fijadas, el problema MINLP original se reduce a un problema de Programación No Lineal (NLP) continua (o un problema de Programación Lineal (LP) si la función objetivo se aproxima adicionalmente). Este problema reducido se resuelve eficientamente para determinar el horario detallado (tiempos de salida y llegada).
4. Garantía de Factibilidad: Para asegurar la factibilidad recursiva, se emplea un mecanismo de recuperación heurístico (basado en el Lema 1). Si la red LSTM no logra generar un conjunto de variables enteras factibles, la heurística construye una solución factible, asegurando que el bucle de MPC pueda proceder siempre.

Contribuciones Clave
El artículo enumera tres contribaciones principales:

1. Modelo Extendido: El modelo de reprogramación orientado al pasajero se extiende para optimizar conjuntamente la demanda de pasajeros variable en el tiempo, la composición de tren flexible y la circulación de material rodante, aproximando las demandas como funciones constantes por tramos.
2. Preprocesamiento y Reducción de Dimensionalidad: Se desarrollan cuatro técnicas de preprocesamiento para podar las variables de decisión enteras, reduciendo significativamente el espacio de búsqueda para el algoritmo de aprendizaje.
3. Marco de MPC Basado en Aprendizaje: Se desarrolla un novedoso enfoque de MPC basado en aprendizaje profundo donde las redes LSTM preentrenadas determinan las variables enteras, y la optimización restringida determina las variables continuas. Esto combina las garantías de satisfacción de restricciones de la optimización con la velocidad computacional del aprendizaje.

Resultados
El enfoque fue evaluado utilizando datos reales de una red de tres líneas en el sistema de tránsito urbano de Beijing. Las simulaciones compararon el MPC basado en aprendizaje propuesto (tanto las variantes NLP como LP) contra un Referencia (MINL con warm-start y tiempo extendido), un Warm-start MINLP estándar y un enfoque MILP.

• Eficiencia Computacional: Los enfoques basados en aprendizaje demostraron una reducción drástica en el tiempo de solución. El enfoque de Aprendizaje + LP logró un tiempo de solución promedio de 0.13 segundos (máximo 0.31s), en comparación con los 96.71 segundos (promedio) para el Warm-start MINLP y 51.36 segundos para el MILP en pruebas de bucle cerrado.
• Optimalidad: Los métodos basados en aprendizaje lograron un rendimiento comparable a los referentes basados en optimización con un compromiso aceptable. En las pruebas de bucle cerrado, el enfoque de Aprendizaje + NLP mostró una brecha de optimalidad promedio de 4.92%, y el de Aprendizaje + LP mostró un 5.50%, en comparación con el referente.
• Factibilidad: La tasa de factibilidad inicial de la salida bruta de la LSTM fue de aproximadamente 98.5–98.9%. Sin embargo, con la aplicación del mecanismo de recuperación heurística, la tasa de factibilidad final alcanzó el 100% para todos los enfoques basados en aprendizaje en las simulaciones de bucle cerrado.
• Calidad del Horario: El análisis visual de los horarios generados indicó que los enfoques basados en aprendizaje adaptaron con éxito las composiciones de los trenes a los flujos de pasajeros (por ejemplo, utilizando trenes más largos durante las horas pico), aunque las ligeras variaciones en la estrategia respecto al referente provocaron diferencias menores en los valores de la función objetivo.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto aborda eficazmente los desafíos de escalabilidad y carga computacional inherentes a la reprogramación de trenes en tiempo real con composición flexible. Al desacoplar la toma de decisiones entera (gestionada por el aprendizaje) de la optimización continua (gestionada por los solvers), el método permite la generación de horarios optimizados en tiempo real (menos de 1 segundo para la variante LP), lo cual es crítico para los centros de control operativo. Los autores sostienen que este enfoque equilibra la necesidad de soluciones de alta calidad que satisfagan las restricciones con los estrictos requisitos de tiempo de las operaciones ferroviarias urbanas en tiempo real, ofreciendo una alternativa viable a los métodos exactos computacionalmente costosos para redes a gran escala. El trabajo sugiere que investigaciones futuras podrían explorar el aprendizaje por refuerzo y los sistemas multi-agente para mejorar aún más la adaptabilidad y la escalabilidad.